キーポイント
研究者らは、AIを用いて暗号マネーロンダリングを特定する新しい手法を提案した。
既知のマネーロンダリング行為に依存するアプローチとは異なり、提案された手法はブロックチェーンアドレスのクラスターを分析することで疑わしいパターンにフラグを立てる。
AML対策の強化を迫られている暗号企業にとって、AIツールの重要性はますます高まる可能性がある。
英国財務省のマネーロンダリング防止に関する年次報告書によると、暗号セクターはマネーロンダリングに悪用される最大のリスクのひとつとなっている。では、暗号通貨を扱う企業は、どのようにして関与を避けることができるのだろうか？
5月1日（水）に発表された論文の中で、MIT、IBM、Ellipticの研究者は、グラフ・ニューラル・ネットワーク（GNN）を使って不正なビットコイン取引の「形」を特定する新しい技術を提案した。暗号企業や法執行機関にとって、この技術はマネーロンダリングとの戦いにおいて貴重な武器となる可能性がある。
AMLにおける人工知能
現代の金融サービス・プロバイダーは、アンチ・マネー・ロンダリング（AML）の武器として様々なAIツールを取り入れている。
銀行の場合、AIは疑わしい活動のパターンを特定するための取引監視に使用されている。しかし、暗号を採用する金融機関が増えるにつれ、オンチェーン取引にも注目が集まっている。
どちらの分野でも、基本的なコンセプトは同じだ。マネーロンダリングに関与していることが分かっている活動にはそのようなラベルが付けられ、過去の取引データを使用することで、AIモデルは疑わしい行動のパターンを発見することを学習することができる。
このモデルは銀行にとって非常に有効であり、数十年前の不審な取引報告書を利用することでAIを学習させることができる。
しかし、暗号通貨はもっと新しい。マネーロンダリングが疑われる事件について、プラットフォームが情報を収集し共有することを義務付ける規制は、さらに最近のものだ。そのため、疑わしい取引をスキャンするためにAIを訓練するのに必要な注釈付きデータははるかに少ない。
ラベル付き取引データの不足の克服
既知のマネーロンダリング経路に関する情報が少ないため、研究者たちは、何か知っているもの、つまり不正な活動に関連する住所に目を向けた。
新しいGNNベースの技術は、ダークネット市場や詐欺スキームなどの犯罪行為に関連するアドレスのクラスターを定義することで機能する。次のステップは、マネーロンダリング犯が不正な収益を現金化するために使用する暗号取引所に関連するクラスターを特定することである。
マネーロンダリングネットワークのマッピング
研究論文によると、”資金の所有者が変わることなく、不正なクラスターと合法的なクラスターをつなぐブロックチェーン上のパスは、犯罪者または組織によるマネーロンダリングの活動を表している可能性が高い”。
不正なクラスターと合法なクラスターのつながりを、より大きなブロックチェーン・ネットワークのサブグラフとしてモデル化することで、研究者たちは、機械学習モデルが識別できる明確なサブグラフの「形状」を特定したという。
この技術を用いて疑わしいと判断されたサブグラフのうち、少なくとも60が暗号ミキサーから資金を受け取り、少なくとも20がロシアのダークネット市場と思われるノードから資金を受け取り、さらに2がパナマを拠点とするポンジ・スキームから資金を受け取っていた。
暗号会社
オンチェーン取引監視のためのAIベースの技術に関する最新の研究は、暗号企業がAML対策を強化するよう圧力を強めている中で行われた。
英国では、FCAが非準拠のプラットフォームを取り締まったにもかかわらず、暗号資産を扱う企業は「金融犯罪に対して特に脆弱なままである」と財務省の報告書は指摘している。
報告書は「リテールバンキング（決済を含む）、ホールセールバンキング（および）ウェルスマネジメント」にも言及しており、暗号セクターがマネーロンダリングにこれ以上関与しているとは示していない。
とはいえ、英国の金融規制当局は暗号企業の監督に多大なリソースを割いている。昨年同社が起こしたマネーロンダリング案件のうち、暗号資産ビジネスが関与しているものはわずか4分の1に過ぎないが、金融行動監視機構（Financial Conduct Authority）の金融犯罪専門家の30％がこのセクターの監督に従事している。このような監視に直面しているため、より優れたAMLツールの導入が急がれる。
